Mind Drifts, Data Shifts: Utilizing Mind Wandering to Track the Evolution of User Experience with Data Visualizations
本研究提出将走神作为数据可视化探索中的动态认知测量指标，通过实验证明走神会损害短期回忆和观看后评价，并作为设计元素与用户体验之间的中介过程，为改进可视化设计提供新方向。
2024-08-07 cs.HC
The Quest for Omnioculars: Embedded Visualization for Augmenting Basketball Game Viewing Experiences
体育比赛数据正变得越来越复杂，通常由多变量数据组成，例如球员表现统计数据、历史团队记录和运动员的位置跟踪信息。虽然已经为体育分析师开发了许多可视化分析系统来获得见解，但很少有工具针对球迷来提高他们在现场比赛中对体育数据的理解和参与。通过在实际的游戏视图中呈现额外的数据，嵌入式可视化有可能增强球迷的游戏观看体验。然而，很少有人知道如何设计这种嵌入到实时游戏中的可视化。在这项工作中，我们提出了一个以用户为中心的设计研究开发交互式嵌入式可视化的篮球球迷，以改善他们的现场观看比赛的经验。我们首先进行了一项形成性研究，以描述篮球迷的比赛中分析行为和任务。基于我们的研究结果，我们提出了一个设计框架，通知嵌入式可视化的设计基于特定的数据搜索上下文。根据设计框架，我们提出了五种新颖的嵌入式可视化设计，针对球迷确定的五个代表性的背景下，包括射击，进攻，防守，球员评价，球队比较。然后，我们开发了Omnioculars，这是一个交互式篮球比赛观看原型，其特点是为球迷的比赛数据分析提供了嵌入式可视化。我们评估了Omnioculars在模拟篮球比赛与篮球迷。研究结果表明，我们的设计支持个性化的游戏中数据分析，并提高游戏的理解和参与。
2022-09-01 cs.HC
ResonaVis: Visualizing Interactive Music Data to Support Reflective Music Composition for Therapeutic Contexts
University of Delaware（特拉华大学）；Florida State University（佛罗里达州立大学）
ResonaVis是交互式可视化系统，整合音频与互动数据为治疗场景音乐创作提供数据支持，经评估可用性良好，可提升创作者的分析推理与创作决策信心。
2026-08-12 cs.HC
When do data visualizations persuade? The impact of prior attitudes on learning about correlations from scatterplot visualizations
数据可视化对于公共卫生、气候变化和社会经济政策等关键问题的科学传播至关重要。它们通常不仅是为了提供信息，而且是为了说服人们做出重大决定（例如，接种疫苗）。这样的可视化是否有说服力，特别是当受众的信念和态度与数据相矛盾时？在本文中，我们研究了现有态度的影响（例如，对COVID-19疫苗接种的积极或消极态度）对统计相关性的信念变化的影响。我们发现，强烈的先验态度与较小的信念变化时，与现有的观点相矛盾的数据，视觉不确定性表示可能会放大这种效果。最后，即使参与者对相关性的信念发生了变化，他们的态度也没有改变，这突出表明需要进一步研究数据可视化是否可以推动观点和行为的长期变化。
2023-02-07 cs.HC
CompositingVis: Exploring Interactions for Creating Composite Visualizations in Immersive Environments
本文提出CompositingVis，通过具身交互设计空间和三维操纵组合，使用户能在沉浸式环境中灵活创建复合可视化，并经用户研究验证其可用性与体验价值。
2024-08-07 cs.HC
An Empirical Study on the Relationship Between the Number of Coordinated Views and Visual Analysis
协调多视图（CMV）是一种可视化技术，它在单独但链接的视图中同时呈现多个可视化。有许多研究报告了这些优点（例如，对于发现隐藏关系的有用性）和缺点（例如，认知负荷）的CMV。但是，很少有实证工作存在的影响，视觉分析的结果和过程中的视图数，这导致在视图数和视觉分析之间的关系不确定。在这项工作中，我们的目的是调查协调的意见和用户的分析过程和结果之间的关系。为了实现这一目标，我们实现了一个可视化分析的CMV工具。我们还在工具中提供了可视化复制，以帮助用户轻松地创建所需数量的可视化视图。我们对44名参与者进行了一项受试者间研究，要求参与者使用视觉工具解决五个分析问题。通过定量和定性分析，发现浏览量与分析结果呈正相关关系。我们还发现，可视化重复鼓励用户创建更多的视图，并采取各种分析策略。根据研究结果，我们提出了我们研究的启示和局限性。
2022-04-20 cs.HC
Combining Multiple View Components for Exploratory Visualization
针对探索性可视化中“概览加细节”等概念在技术解释上的歧义，本文提出了视图与焦点基本组件的描述，并概述了它们的多重组合，为UI设计的视觉组合方法提供分类基础。
2023-09-14 cs.HC
Web-Based Multi-View Visualizations for Aggregated Statistics
随着开放数据运动的兴起，政府、统计局和其他组织已公开提供了大量统计数据。可视化的第一步是由数据提供者自己完成的。数据聚合器更进一步：它们从不同的开放数据存储库收集数据，并通过提供来自不同提供商的数据集并在同一图表中显示不同的统计数据来使它们具有可比性。另一种方法是在散点图或地图上可视化两个不同的指标。将多个数据集整合到一个图表中可能有几个缺点：不同的尺度和单位混合在一起，图表在视觉上变得混乱，人们无法轻松区分不同的指标。我们的方法标志着以下几个方面的结合：（1）整合来自不同数据源的实时数据，（2）在协调的可视化中呈现不同的指标，（3）允许添加用户可视化，以丰富个人数据的官方统计数据。每个指标都有自己的可视化，在可视化类型，规模，单位等情况下最适合单个指标。不同的可视化被链接，因此可以通过使用鼠标在数据项上的效果轻松识别相关项。
2011-10-14 cs.HC
Visual Arrangements of Bar Charts Influence Comparisons in Viewer Takeaways
设计良好的数据可视化可以让查看者进行更强大、更直观的处理。为了帮助查看者直观地比较值以快速生成关键要点，可视化设计人员可以操纵数据值在图表中的排列方式以提供特定的比较。使用简单的条形图作为案例研究，我们经验性地测试了四种常见排列的比较启示：垂直并列，水平并列，重叠和堆叠。我们要求参与者在图表中输入他们感知到的模式，并将他们的外卖编码为比较类型。在第二项研究中，我们要求数据可视化设计专家预测他们将使用哪种安排来提供每种类型的比较，并发现与我们的发现一致和不匹配。这些结果为人类设计师和自动图表推荐系统如何进行可视化提供了具体的指导，帮助观众提取“正确”的外卖。
2021-08-13 cs.HC
Divided Attention Amplifies the Importance of Expectation-Aligned Visualization Design
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
该研究通过两项实验，采用LBA框架建模用户决策，发现分散注意力会放大与期望一致的可视化设计的优势，凸显了该场景下此类设计的重要性。
2026-08-12 cs.HC
Extending the View Composition Algebra to Hierarchical Data
比较是视觉分析的核心任务。虽然有许多指导方针，以帮助用户设计有效的可视化，以帮助已知的比较任务，有几个形式主义，定义比较操作的语义的方式，可以作为一个语法的基础比较交互。最近的工作提出了一种称为视图组合代数（VCA）的形式主义，它可以在可视化界面中的标记，趋势或图表的任何组合之间进行特别比较。然而，VCA将比较限制为具有相同模式的数据的视觉表示，或者模式形成严格的子集关系（例如，将每个州的价格与价格进行比较，但不与每个县的价格进行比较）。相比之下，大多数真实世界的数据-时间，地理，组织-是分层的。为了弥合这一差距，本文提出了一个扩展VCA（称为VCAH），使特设的层次数据的可视化之间的比较。VCAH利用已知的层次关系来实现不同层次粒度的数据的特别比较。我们举例说明分层和Tableau可视化的应用程序。
2022-05-03 cs.DB cs.HC
Representing Real-Time Multi-User Collaboration in Visualizations
在参与者之间建立共同点并保持共享意识是协作可视化的关键挑战。对于实时的【形】协作，现有的工作主要集中在同步组成可视化-一种使用户难以独立工作或选择性地关注其协作者的活动的方法。为了解决这一差距，我们引入了一个设计空间，用于表示同步多用户协作的可视化定义的两个正交轴：situatedness，或合作者的交互是否覆盖或显示在用户的视图之外，和特异性，或合作者是否被描绘通过抽象的，通用的表示或通过特定的手段定制给定的可视化。我们用各种各样的例子填充这个设计空间，包括通用和自定义同步光标，以及将这些光标收集在一起或将协作者的视图复制为缩略图的用户图例。为了建立共同点，用户可以通过窥视来快速查看协作者的视图，跟踪以实时的【形】跟随协作者，以及分叉以基于协作者的工作独立地探索可视化来与这些表示进行交互。我们提出了一个参考实现的包装库，将交互式Vega-Lite图表转换为协作可视化。我们发现，我们的方法提供了一个富有表现力的视觉设计和交互技术范围内的同步协作。
2020-09-05 cs.HC
Cicero: A Declarative Grammar for Responsive Visualization
设计响应式可视化可以转换为对源视图应用转换，以使其适合不同的屏幕大小。然而，设计响应式可视化通常是乏味的，因为作者必须手动应用和推理候选转换。我们提出了西塞罗，一个声明性的语法，用于简洁地指定响应可视化转换，为更智能的响应可视化创作工具铺平了道路。Cicero灵活的说明符语法允许作者选择要转换的可视化元素，而与源视图的结构无关。Cicero编码了一组简洁的操作，以编码桌面优先和移动优先设计流程中的各种转换。作者最终可以在不同的可视化中重用与设计无关的转换。为了证明Cicero的实用性，我们开发了一个编译器的Vega-Lite的扩展版本，并提供了我们的编译器的原则。我们进一步讨论将西塞罗到响应式可视化创作工具，如设计推荐。
2022-03-15 cs.HC
Semantic Snapping for Guided Multi-View Visualization Design
University of Bergen（卑尔根大学）
视觉信息显示通常由用于促进对底层数据的理解的多个可视化组成。一个常见的例子是仪表板，它经常用于财务、流程监控和商业智能等领域。然而，用户可能不知道现有的指导方针，并缺乏专业的设计知识时，组成这样的多视图可视化。在本文中，我们提出了语义捕捉，一种方法来帮助非专家用户设计有效的多视图可视化从预先存在的意见。当一个特定的视图被放置在画布上时，它与其余的视图“对齐”--不是相对于它的几何布局，而是基于视觉编码本身的方面，比如数据维度如何映射到通道。我们的方法使用了一个在飞行过程中检测和建议的冲突，误导，或模糊的设计决议，以及提供建议的替代演示文稿。通过这种方法，可以指导用户避免在编写可视化时遇到的常见陷阱。我们提供的示例和案例研究证明了我们方法的有用性和有效性。
2021-09-17 cs.CV cs.HC
Boundary Blending: Reconsidering the Design of Multi-View Visualizations
该研究针对多视图可视化现有边界限制跨视图数据整合的问题，提出三类边界划分，梳理四种边界融合设计策略的优劣，为多视图可视化设计提供新框架与研究方向。
2023-06-16 cs.HC
Judgment as Coordination: A Joint Systems View of Visualization Design Practice
本文从联合认知系统视角重构可视化设计判断，基于人种志与质性研究揭示设计连贯性依赖协调、调整与目标重构而非最优选择，为研究设计实践的持续机制提供新概念框架。
2025-07-01 cs.HC
Connections Beyond Data: Exploring Homophily With Visualizations
本研究通过众包实验（N=450）探索可视化中的种族同质性，以美国大规模枪击数据为例，发现无同质性证据，但所有条件下情感显著负面转变，且政治意识形态影响情感变化。
2024-08-06 cs.HC
DIVI: Dynamically Interactive Visualization
本研究提出动态交互式可视化方法DIVI，通过运行时解构SVG图表、推断内容并解耦交互与规范逻辑，实现跨工具、图表类型的自由交互，经13人可用性研究验证其可助力快速数据探索分析。
2023-11-05 cs.HC
How Do Viewers Synthesize Conflicting Information from Data Visualizations?
科学知识是通过累积的发现而发展起来的，这些发现建立在以前的发现之上，与以前的发现相矛盾，与以前的发现相联系，或者纠正以前的发现。科学家和记者经常通过可视化和文本（例如，咖啡因摄入的积极和消极影响）。因此，读者需要整合来自多个来源的不同和对比的证据，以形成观点或做出决定。然而，从多个可视化合成信息的基本机制仍然未被探索。为了解决这一知识差距，我们进行了一系列的四个实验（N = 1166），参与者合成的经验证据，从一对折线图顺序。在实验1中，我们管理了一个基线条件，其中没有描绘参与者没有强烈信念的特定背景的图表。为了测试普遍性，我们在实验2中引入了真实世界的场景，并在实验3中添加了类似于在线新闻文章或博客文章的附带文本描述。在所有三个实验中，我们改变了图表对中直线斜率的相对方向和大小。我们发现，当两个图表描绘的关系方向相反时，参与者倾向于更重视正斜率（例如，一个正斜率和一个负斜率）。当两个图表描绘的关系方向相同时，参与者倾向于权衡不太陡的斜率（例如，都是积极的）。通过这些实验，我们的特征参与者的合成行为取决于他们所看到的信息之间的关系，有助于理论描述信息合成的基本认知机制，并描述设计的数据故事。
2022-08-07 cs.HC
Code as Anchor, Memory and Metaphor as Support: Learner Experiences with Multi-View Visualizations
University of Toronto（多伦多大学）；McMaster University（麦克马斯特大学）
通过眼动追踪和访谈，研究19名CS1/CS2学生在多视图可视化工具中的行为，发现学生主要关注代码，忽视隐喻视图，受能动性、表征适配和合法性因素影响。
2026-06-19 cs.HC
Open Data Visualization: Keeping Traces of the Exploration Process
本文描述了一个支持开放数据可视化探索的系统。在他/她与图形的交互体验期间，用户可以容易地存储可视化应用程序的当前完整状态（称为视点）。接下来，他/她可以组成这些视点的序列（称为场景），可以很容易地重新加载。该功能允许保留以前探索过程的痕迹，这在单个用户（支持在多个会话中进行的调查）以及协作设置（共享数据集中识别的兴趣点）中可能是有用的。
2012-05-11 cs.HC
Does This Have a Particular Meaning? Interactive Pattern Explanation for Network Visualizations
本文提出交互式模式解释技术，让用户在网络可视化中任意选择区域并自动挖掘解释视觉与数据模式，用户研究表明其比纯文本和纯视觉解释更能提升对陌生可视化、网络科学模式及术语的学习效果。
2024-08-02 cs.HC
Building and Eroding: Exogenous and Endogenous Factors that Influence Subjective Trust in Visualization
本文从个体差异视角重新分析可视化信任研究数据，建模内生设计特征与外生用户特征的交互对信任的影响，并提出个性化与自适应可视化设计建议。
2024-08-07 cs.HC
View Composition Algebra for Ad Hoc Comparison
比较是视觉分析的核心任务。虽然有许多指导方针可以帮助用户设计有效的可视化来帮助已知的比较任务，但当用户想要在数据探索和可视化分析期间在标记、趋势或图表之间进行特别比较时，几乎没有可用的技术。例如，比较不同年份的投票计数图，折线图中的两个股票趋势，或带有平均GDP文本摘要的国家GDP散点图。理想情况下，用户可以直接选择比较目标并进行比较，但是可视化的哪些元素应该是候选目标，哪些目标组合可以安全比较，以及哪些比较操作有意义？本文提出了一个概念模型，让用户组成的值，标记，图例元素和图表的组合使用一组组合运算符，汇总，计算差异，合并，并模拟其操作数。我们进一步定义了一个视图组合代数（VCA），它与基于数据立方体的可视化兼容，基于此代数导出一个交互设计，支持临时视觉比较，并通过几个用例说明其实用程序。
2022-02-16 cs.DB cs.HC
Quantifying Emotional Responses to Immutable Data Characteristics and Designer Choices in Data Visualizations
通过五项众包实验量化了颜色、图表类型及数据特征对可视化情绪的影响，发现部分数据特征在无意义时仍能影响情绪，并据此提出了平衡情绪影响的设计指南。
2024-07-25 cs.HC
Correcting Misperceptions at a Glance: Using Data Visualizations to Reduce Political Sectarianism
本研究针对政治宗派主义中对异党观点的认知偏差问题，通过实验测试三种数据可视化呈现方式的纠正效果，发现仅均值和完整分布可视化纠正效果更强，后者还能提升回忆准确率，为纠正群体认知偏差提供了可视化工具参考。
2025-08-01 cs.HC
Polarizing Political Polls: How Visualization Design Choices Can Shape Public Opinion and Increase Political Polarization
本研究通过三项实验发现，可视化设计选择（如党派框架）可诱发社会从众，使公众态度偏向所展示的群体立场，从而加剧政治极化。
2023-09-01 cs.HC
Design-Specific Transformations in Visualization
本文提出将设计特定变换纳入信息可视化参考模型，并用函数组合形式化用户任务，以支持分析数据变换、推理可视化正确性与有效性。
2024-08-08 cs.HC
Why Authors Don't Visualize Uncertainty
在媒体文章、数据驱动的报告和消费者应用程序中，清晰地呈现不确定性是一个例外，而不是规则，尽管提出了用于传达数据中不确定性来源的技术。这项工作认为，为什么这么多的可视化作者选择不可视化的不确定性？我贡献了一个详细的描述的做法，协会和态度有关的不确定性沟通的可视化作者，来自调查的结果90名作者谁经常创建可视化为他人的工作的一部分，并采访了13个有影响力的可视化设计师。我的研究结果突出了作者所面临的挑战，并暴露了关于不确定性在可视化中的作用的假设和不一致的信念。特别是，作者承认描绘不确定性的价值，而忽略直接描绘不确定性的规范，这两者之间产生了明显的矛盾。为了帮助解释这一矛盾，我提出了一个修辞模型的不确定性省略在可视化为基础的通信。我还适应了一个正式的统计模型，观众如何判断一个信号的强度在可视化的可视化为基础的通信，认为不确定性的通信必然会减少观众的统计推断的自由度。最后，我建议如何可视化研究不确定性沟通可以更好地服务于从业者的当前需求和价值观，同时加深理解的假设，加强不确定性遗漏。
2019-08-05 cs.HC
Animated Transition between Node-Link and Parallel Coordinates Visualizations
本文研究节点-链接图与平行坐标图之间的平滑动画过渡，基于可追踪性和迅捷性两个设计目标提出两种过渡变体，并通过初步用户研究比较其优劣。
2025-07-22 cs.HC
Are Cognitive Biases as Important as they Seem for Data Visualization?
本文回顾了可视化社区对认知偏差的看法，指出当前研究过度强调人类决策缺陷，呼吁结合启发法展现的适应性专长，以更平衡的视角看待人类在复杂环境中的认知局限与决策策略。
2025-03-05 cs.HC
A Problem Space for Designing Visualizations
可视化研究人员和可视化专业人员寻求适当的可视化要求的抽象，允许考虑可视化解决方案独立于特定的问题。抽象可以帮助我们设计、分析、组织和评估我们所创造的东西。文献中有许多任务结构（分类法、类型学等），设计空间，以及相关的“框架”，这些框架提供了可视化所要解决的问题的抽象。在这个观点中，我们引入了一个不同的问题空间，它通过关注可视化要解决的需求来补充现有的框架。我们相信它为设计和讨论可视化提供了一个有价值的概念工具。
2023-03-14 cs.HC
Visual Model Validation via Inline Replication
数据可视化通常显示现有数据集的回顾性视图，很少或根本不关注可重复性。然而，这些工具的消费者经常使用从回顾性可视化中收集的见解作为对未来事件的决策基础。通过这种方式，可视化通常用作视觉预测模型，尽管它们通常被设计为呈现数据的历史视图。然而，这种“视觉预测模型”方法可能导致无效的推断。在本文中，我们描述了一种称为内联复制（IR）的视觉模型验证方法，类似于机器学习中广泛使用的交叉验证技术，为视觉模型评估和可重复性提供了一种非参数和广泛适用的技术。本文描述了整个IR过程，并概述了如何将其集成到传统和新兴的“大数据”可视化管道中。提供的例子显示IR集成在常见的可视化技术（如条形图和线性回归线），以及一个功能更全的可视化系统，设计用于复杂的探索性分析任务。
2016-05-27 cs.HC
Comparing the Emotional Impact of Thematic Versus Episodic Framing in Visualization Text
Munster Technological University（芒斯特科技大学）
通过在线实验（N=800）研究事件框架与主题框架对数据可视化情感反应的影响，发现事件框架引发更强烈的负面情绪，并通过情绪间接影响政策态度。
2026-07-02 cs.HC
Give Text A Chance: Advocating for Equal Consideration for Language and Visualization
本文倡导可视化研究在评估设计时同等重视文本表示与语言构建，并关注图文整合的可读性，以提升研究效能和对观看者需求的全面考量。
2024-03-29 cs.HC
Towards Collective Storytelling: Investigating Audience Annotations in Data Visualizations
本研究以批判制图学为启发，探究数据可视化中受众标注的作用，发现标注可助力集体数据叙事、促进读者共情与反思，甚至成为可视化的核心焦点。
2025-03-24 cs.HC
HyFinBall: a Hybrid User Interface for Coordinated 2D+3D Visualization in Semi-Immersive VR
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
HyFinBall是一种混合用户界面，通过协调2D和3D可视化提升半沉浸式VR中的交互效率。
2025-12-11 cs.HC
Liger: Combining Interaction Paradigms for Visual Analysis
可视化工具通常利用单个交互范例（例如，手动视图规范、通过演示的可视化等），这促进了可视化构建的过程。大量的工作已经调查了个人的互动模式的有效性，建立一个孤立的优势和劣势的理解。但是，我们如何通过将多种交互模式组合到一个工具中来利用它们的优势呢？我们目前缺乏一个整体的观点，如何使用相同的输入模态（例如，鼠标）可以组合成一个单一的工具，以及人们如何使用这些工具。为了研究结合范例的机遇和挑战，我们首先创建了一个多范例原型（Liger），它在一个统一的工具中结合了两个基于鼠标的交互范例（手动视图规范和可视化演示）。然后，我们用Liger进行了一项探索性研究，提供了初步证据，证明人们1）可互换地使用两种范式，2）根据手头的操作在范式之间无缝切换，3）选择使用两种范式的组合成功完成一项操作。
2019-07-22 cs.HC
Image or Information? Examining the Nature and Impact of Visualization Perceptual Classification
本研究通过线上评分与线下自由回忆实验，探究可视化设计元素对其被感知为图像或信息的影响，及两类感知在记忆效果、情绪与设计评价上的差异，为可视化设计提供参考。
2023-07-21 cs.HC
Living Dashboards: Automatically Self-Updating Visualization Dashboards
Seoul National University（首尔大学）；Sogang University（西江大学）；TU Wien（维也纳工业大学）；VRVis GmbH（VRVis有限责任公司）；Aarhus University（奥胡斯大学）
本文提出Living Dashboards，一种能根据用户交互和自然语言查询自动调整视图的仪表盘，通过四维设计空间和原型系统验证，在用户研究中优于AI支持基线。
2026-10-07 cs.HC
MEDLEY: Intent-based Recommendations to Support Dashboard Composition
尽管仪表板在广泛的领域中越来越受欢迎，但它们的创作仍然是一个繁琐而复杂的过程。当前的工具为创建单独的可视化提供了相当大的支持，但对发现可共同用于组成分析仪表板的可视化组提供了有限的支持。为了解决这个问题，我们提出了MEDLEY，一个混合主动界面，通过推荐仪表板集合（即，视图和过滤小部件的逻辑分组集合），其映射到特定的分析意图。用户可以通过界面中的输入面板显式地指定仪表板意图（即，度量分析、变更分析、类别分析或分布分析），或者通过选择感兴趣的数据属性和视图隐式地指定仪表板意图。系统根据这些分析意图推荐集合，并且可以选择视图和小部件来组成各种仪表板。MEDLEY还提供了一个轻量级的直接操作界面来配置仪表板中视图之间的交互。基于一项有13名参与者执行有针对性和开放式任务的研究，我们讨论了MEDLEY的建议如何指导仪表板组成并促进不同的用户工作流程。研究中的观察结果确定了未来工作的潜在方向，包括将手动视图规范与仪表板建议相结合，以及为仪表板创作设计自然语言界面。
2022-08-05 cs.HC
Visualizing Colonial Regimes: A Multi-View Approach to (Historical) Political Transformation
Hannah Arendt Institute for Totalitarianism Studies（汉娜·阿伦特极权主义研究所）；Image and Signal Processing Group, Leipzig University（莱比锡大学图像与信号处理组）；ScaDS.AI Dresden/Leipzig, Leipzig University（德累斯顿/莱比锡 ScaDS.AI，莱比锡大学）
本文基于批判诠释学与后殖民理论，利用政体类型数据集，通过结合时间流与地理分布的多视角交互可视化，揭示殖民类别的建构性并挑战传统静态表现。
2026-09-09 cs.HC
BAIT: Visual-illusion-inspired Privacy Preservation for Mobile Data Visualization
Nanyang Technological University（南洋理工大学）；Singapore Management University（新加坡管理大学）；University of Cambridge（剑桥大学）
BAIT通过叠加伪装可视化，利用视觉错觉原理，在移动数据可视化中实现隐私保护，通过调整不同视觉通道误导窃视者，经实验验证其有效性。
2026-02-03 cs.HC
Fixation and Creativity in Data Visualization Design: Experiences and Perspectives of Practitioners
数据可视化设计往往需要创造力，需要研究来了解其性质和促进它的手段。目前关于创造力的可视化文献还没有很好地发展，特别是关于专业数据可视化设计师的经验。我们对15位数据可视化从业者进行了半结构化访谈，重点关注创造力的一个特定方面，即设计固定。当设计师盲目或过早地坚持一套限制创造性成果的想法时，就会出现固定。我们提出了从业者的经验和观点，从自己的设计实践，特别是集中在他们的意见（一）固定的性质，（二）鼓励固定的因素，（三）阻碍固定的因素。我们为未来的研究确定了与图表建议，灵感和数据可视化设计中的视角转变相关的机会。
2021-08-14 cs.HC
The Hiperwall Visualization Platform for Big Data Research
在大数据时代，随着大规模数据驱动的应用越来越多，超大分辨率图像的可视化以及从这些图像中提取有用信息（搜索特定目标或罕见信号事件）对当前的显示墙显示技术提出了挑战。在贝拉明大学，我们已经建立了一个先进的可视化和计算实验室（AVCL），使用最先进的下一代视频墙技术，称为Hiperwall（高度交互式嵌入式显示墙）。Hiperwall可视化系统宽16英尺，高4.5英尺，由8个显示瓦片组成，这些显示瓦片以4x2瓦片格式排列，有效分辨率为1650万像素。使用Hiperwall，我们可以通过对天文学中的多个大图像和实验高能物理（HEP）中的多个数据事件进行比较来执行大图像的交互式可视化数据分析。用户可以在所有显示块上显示单个大图像，或者在多个显示块上同时查看许多不同的图像。Hiperwall可以在整个显示墙上同时显示多个高分辨率图像及其内容，而不会损失清晰度。Hiperwall的中间件还允许地理位置不同的研究人员在大型科学实验中进行协作。在本文中，我们将提供在贝拉明大学，是基于Hiperwall技术，这是一个强大的可视化系统的大数据研究的新一代显示墙设置的描述。
2018-02-26 cs.HC
No Grammar to Rule Them All: A Survey of JSON-style DSLs for Visualization
在使用基于JSON的语法以及其他标准数据序列化语言来创建可视化方面，已经有了实质性的增长。这些语法中的每一个都有一个目的：一些专注于特定的计算任务（如动画），一些涉及某些图表类型（如地图），而一些则针对特定的数据域（如ML）。尽管这种界面形式很突出，但很少有详细分析这些语言的特征。在这项研究中，我们调查和分析了57个JSON风格的DSL可视化的设计和实现。我们分析了这些语言的支持下收集语料库的例子，每个DSL（包括4395个实例）在各种轴组织成关注领域，概念模型，语言关系，启示，和一般的实用性。我们确定在这些领域的紧张关系，如正式和口语规范之间，用户类型之间，以及语言的组成。通过这项工作，我们试图通过阐明可视化DSL设计中的选择，机会和权衡来支持语言实现者。
2022-07-16 cs.HC
Towards Autocomplete Strategies for Visualization Construction
本文通过推测性设计研究探索了构造式可视化中的自动补全策略，识别出三种策略类型，为设计支持自动补全的可视化创作工具提供了指导。
2023-08-08 cs.HC
Kokatsuji: A Visualization Approach for Typographic Forensics of Early Japanese Movable Type
本文提出一个面向Kokatsuji早期日本木活字印刷字体取证的可视化系统，通过四类协调视图整合机器学习结果与专家知识，揭示分割错误、聚类不一致及木块复用模式。
2025-08-21 cs.HC
GerontoVis: Data Visualization at the Confluence of Aging
本文反思了可视化研究中老年人代表性不足的问题，提出GerontoVis这一关注老年群体的可视化研究新子领域，探讨其独特挑战并指明未来研究方向，以促进适老化可视化工具的创新。
2024-03-19 cs.HC
A Design Space of Vision Science Methods for Visualization Research
越来越多的努力旨在了解人们在使用可视化时看到了什么。这些努力提供了科学的基础，以补充设计的直觉，导致更有效的可视化实践。然而，已发表的可视化研究目前反映了一组有限的可用方法来理解人们如何处理可视化数据。视觉科学的替代方法为理解可视化提供了一套丰富的工具，但在感知或可视化研究中，这些方法都没有经过精心策划。我们介绍了一个设计空间的实验方法，经验调查的感知过程与查看数据可视化，最终告知可视化设计准则。本文提供了一个共享的词汇，以促进实验可视化研究。我们讨论了流行的实验范式，调整类型，反应类型，并在视觉科学研究中使用的依赖措施，生根每个可视化的例子。然后，我们讨论每种技术的优点和局限性。研究人员可以利用这个设计空间来创建创新研究，并在可视化中对设计选择和评估进行科学理解。我们强调了可视化和视觉科学研究之间的合作成功的历史，并主张这两个领域之间的更深层次的关系，可以详细说明和扩展的方法设计空间理解可视化和视觉。
2020-09-15 cs.HC
Same Data, Diverging Perspectives: The Power of Visualizations to Elicit Competing Interpretations
本文通过实验证明，相同数据在不同可视化呈现和注释方式下会引发竞争性解读，使人们因关注历史领先或增长势头而做出不同预测，揭示了可视化对决策偏差的影响。
2024-01-17 cs.HC
Visualizing Uncertainty-to-Action Composition for Human Oversight
Robert Koch Institute（罗伯特·科赫研究所）；Freie Universitat, Berlin（柏林自由大学）
该研究提出不确定性-行动绑定框架与ActionCue可视化方法，明确AI不确定性条件到人工监督响应的组合逻辑，通过多领域案例验证其有效性。
2026-08-18 cs.AI cs.HC
The Visualization JUDGE : Can Multimodal Foundation Models Guide Visualization Design Through Visual Perception?
该立场论文探讨多模态基础模型（MFMs）能否通过视觉感知指导可视化设计，提出可将MFMs定位为可视化设计的“评判者”，梳理了两类多模态模型的特性与应用方式，为可视化设计研究提供新方向。
2024-10-05 cs.HC
Visualization Tool: Exploring COVID-19 Data
本文提出一种整合 NY Times、CDC 与 Safegraph 多源数据的 COVID-19 可视化工具，并引入基于贝叶斯惊奇的 Surprising Map，以更全面且避免统计误导地分析疫情空间数据。
2025-01-10 cs.HC
